人工智能 (AI) 是本世紀最有前景的新興技術之一，具有倍增人類生產力並推動醫學突破的潛力。雖然人工智能已經顯現出其強大潛力，但其未來影響力將更加廣泛。根據普華永道的估計，到 2030 年，人工智能產業將達到 15 萬億美元的規模。
然而，這項技術的發展也面臨挑戰。隨著人工智能技術變得日益強大，行業內的中心化問題愈加顯著，權力集中在少數幾家公司手中，這對社會整體構成了潛在威脅。同時，人工智能技術的發展也引發了關於深度偽造、偏見和數據隱私風險的擔憂。幸運的是，加密貨幣及其去中心化和透明的特性提供了潛在的解決方案。
本文將探討中心化問題及去中心化人工智能如何解決這些問題，並介紹當前加密貨幣與人工智能的交叉領域，重點介紹已經顯示出早期採用跡象的加密應用。
中心化人工智能的問題
目前，人工智能的發展面臨著諸多挑戰和風險。人工智能的網絡效應和資本需求巨大，使得小公司或學術研究人員難以獲得開發所需的資源或無法實現商業化，這限制了人工智能行業的整體競爭和創新。
因此，人工智能技術的影響力主要集中在 OpenAI 和谷歌等少數幾家公司手中，這引發了對人工智能治理的質疑。例如，谷歌的人工智能圖像生成器 Gemini 暴露了種族偏見和歷史錯誤，而去年 11 月，OpenAI 的董事會決定解僱首席執行官 Sam Altman，揭示了少數人對這些公司的控制。
隨著人工智能影響力的增強，人們擔心某一家公司可能會控制對社會產生巨大影響的人工智能模型，設置護欄，閉門操作或為自己謀利。
去中心化人工智能的解決方案
去中心化 AI 利用區塊鏈技術提高透明度和可訪問性，分配 AI 的所有權和治理權。Grayscale Research 認為，去中心化 AI 有潛力將重要決策從封閉的制度中解放出來，交給公眾。
區塊鏈技術可以幫助開發者更多地接觸人工智能，降低獨立開發者的開發和商業化門檻，從而改善人工智能行業的創新和競爭，小公司與科技巨頭之間實現平衡。
此外，去中心化 AI 有助於實現 AI 投資的民主化。目前，除少數科技股外，幾乎沒有其他方式可以獲得與 AI 發展相關的財務收益。相比之下，去中心化 AI 加密資產對每個人都是平等的，所有人都能擁有 AI 未來的一部分。
加密貨幣與人工智能的交叉領域
加密貨幣和人工智能的交叉領域仍處於早期階段，但市場反應令人鼓舞。截至 2024 年 5 月，AI 概念加密資產的回報率為 20%，僅次於貨幣概念類別。此外，根據 Kaito 的數據，人工智能是目前社交平台上最熱門的話題之一。
一些知名人士開始擁抱這一新興交叉領域，致力於解決中心化人工智能的缺陷。Stability AI 的創始人 Emad Mostaque 離開公司，探索去中心化人工智能。他表示，「現在是時候讓人工智能開放和去中心化了」。加密貨幣企業家 Erik Vorhees 則推出了 Venice.ai，一款專注於隱私的人工智能服務。
我們可以將加密貨幣和人工智能的融合分為三個主要子類別：
- 基礎設施層：提供 AI 開發平臺的網絡（例如 NEAR、TAO、FET）。
- 人工智能所需的資源：提供人工智能開發所需的計算、存儲、數據等關鍵資源（例如 RNDR、AKT、LPT、FIL、AR、MASA）。
- 解決 AI 問題：解決人工智能相關問題的項目（例如 WLD、TRAC、NUM）。
Ai基礎設施層
提供無需許可的開放式架構網絡，專為 AI 開發而構建。這些網絡為各種 AI 應用創建底層基礎設施和激勵機制。
NEAR 是該類別中的佼佼者，其創始人是「Transformer」架構的聯合作者之一，該架構為 ChatGPT 等 AI 系統提供支持。該公司最近利用其 AI 專業知識，公佈了開發「用戶擁有的 AI」的工作成果。2024 年 6 月，NEAR 啓動了 AI 孵化器計劃，開發 NEAR 原生基礎模型、AI 應用程序數據平臺、AI 代理框架和計算市場。
另一個引人注目的例子是 Bittensor，它是一個使用 TAO 代幣在經濟上鼓勵人工智能發展的平臺。Bittensor 網絡用 TAO 代幣獎勵每個子網中表現最佳的礦工和驗證者，並為開發人員提供無需許可的 API，幫助開發者構建特定的人工智能應用程序。
此外，還有 Fetch.ai 和 Allora 等協議。Fetch.ai 是一個供開發人員創建複雜 AI 助手的平臺，最近與 AGIX 和 OCEAN 合併，總價值約為 75 億美元。Allora 網絡則專注於將 AI 應用於金融領域，包括去中心化交易所和預測市場的自動交易策略。
提供 AI 所需的資源
這一類別包括以計算、存儲或數據的形式提供人工智能開發所需資源的項目。
人工智能的興起對 GPU 形式的計算資源產生了前所未有的需求。Render (RNDR)、Akash (AKT) 和 Livepeer (LPT) 等去中心化 GPU 市場為需要計算進行模型訓練、模型推理或渲染 3D 生成式 AI 的開發人員提供了閒置 GPU 供應。
此外，人工智能模型需要大量數據，Filecoin (FIL) 和 Arweave (AR) 等數據存儲解決方案提供了經濟高效且可擴展的存儲，並增強了數據安全性和完整性。
數據抓取服務如 Grass 和 Masa (MASA) 則幫助創造公平競爭環境，允許個人商業化其應用程序數據，同時保持對個人數據的控制和隱私。
解決 AI 相關問題
包括試圖解決與人工智能相關問題的項目，如網絡機器人和深度偽造氾濫。
人工智能生成的深度偽造內容對政治選舉產生了影響，專家擔心即將到來的總統競選會受到深度偽造驅動的虛假信息影響。希望通過建立可驗證的內容來源解決深度偽造問題的項目包括 Origin Trail (TRAC)、Numbers Protocol (NUM) 和 Story Protocol。此外，Worldcoin (WLD) 試圖通過生物識別技術證明人類身份，解決機器人問題。
人工智能的另一風險是確保對模型本身的信任。目前，有幾種協議正在努力通過密碼學、零知識證明和全同態加密 (FHE) 解決這個問題，如 Modulus Labs 和 Zama。
結論
儘管這些去中心化的人工智能資產已取得初步進展，但我們仍處於這一交叉領域的早期階段。今年年初，著名風險投資家 Fred Wilson 表示，人工智能和加密貨幣是「同一枚硬幣的兩面」，「Web3 將幫助我們信任人工智能」。隨著人工智能行業的不斷成熟，Grayscale Research 認為，這些與人工智能相關的加密應用將變得越來越重要，這兩種快速發展的技術有可能相互支持，共同發展。
許多跡象表明，人工智能時代即將到來，將產生深遠的影響，既有積極的，也有消極的。通過利用區塊鏈技術的特性，我們相信加密貨幣最終可以幫助減輕人工智能帶來的一些危險。
本內容來自加密新聞 投稿，不代表本網站觀點與立場。转载，请注明出处：https://news.kejixun.com/13493.html
